20. ULUSAL PAZARLAMA KONGRESİ Anadolu Üniversitesi

20. ULUSAL PAZARLAMA KONGRESİ
Anadolu Üniversitesi - Eskişehir
Sosyal Medya Analitiği: Twitter için Büyük Veri Yaklaşımı
- Özet Bildiri Müge Çevik1 - Selcen Öztürkcan2 - Nihat Kasap3
Anahtar Kelimeler: Sosyal Medya, Twitter, Büyük
Veri, Araştırma Yöntemi
Giriş ve Amaç
Bu çalışma, büyük veri analizini sosyal medya araştırmalarında kullanımı için yöntem önerisinde bulunmaktadır. Büyük veri araştırmalarında, tümdengelim
ya da tümevarım yerine alternatif olarak “tümleşim
(abduction)” yaklaşımı kullanılabilir (Kitchin, 2014).
Tümleşim, elde edilen veriden yola çıkarak veriyi en
iyi açıklayacak hipotezlere ulaşılmasını amaçlayan
bir anlam çıkarma biçimidir (Peirce, 1958; Magnani, 2001, sf 26). Tümleşim yaklaşımında, incelenecek
olguya ilişkin veri elde edildikten sonra, veriye ait
bulguları en iyi açıklayacak hipotezler oluşturulur;
ve veri farklı açılardan da analiz edilerek oluşturulan
hipotezler sınanır. Böyle bir çalışmayı çok büyük hacimli ve detaylı bir veri seti ile yapmak araştırmanın
bilimsel niteliği açısından önemli bir unsurdur. Sosyal medya araştırmalarında veri hacmi büyüklüğü ve
verinin oluşum hızının yüksekliği sebebiyle, büyük
veri analizi benimsenen yöntemler arasında öne çıkmaktadır (Jacob, 2009). Bu bağlamda, sosyal medya
araştırmalarında analitik ve yapısal bir yöntemin takip edilmesi, araştırmaların ve çıktılarının bilimsel
niteliğinin korunması açısından önem taşımaktadır.
Çalışmamızın amacı, sosyal medya analitiğine örnek
oluşturmak ve özellikle Twitter analizi için büyük veri
analizine dayanan bir araştırma yöntemi önerisinde
bulunmaktır.
1
Literatür Analizi
Kullanıcıların 140 karakterlik mesaj paylaşımlarıyla
iletişimlerini sağlayan, katılımı ücretsiz çevrimiçi bir
küresel sosyal ağ olarak tanımlanan Twitter (Russell,
2014), farklı özellikleriyle bilimsel araştırmalara konu
olmaktadır. İstatistiksel verilere göre Twitter aylık
284 milyon aktif kullanıcı sayısı ile günde 500 milyon
adet tweet kaydetmektedir (Twitter, 2014)4. Böylesine
büyük ve güncel veri havuzu, daha küçük ölçeklerde
farkedilmesi mümkün olmayan, tüketici davranışlarına yönelik gerçek örüntü ve modellerin ortaya çıkarılmasına imkan vermektedir (Kleinberg, 2008).
Twitter, eğlenceli bir paylaşım aracı olmasının yanı
sıra, sosyal krizlere ait bilginin yayılmasına (Oh, Agrawal & Rao, 2013; Li, Vishwanath & Rao, 2014) ve
toplumsal hareketlere ilişkin bilgi alımının ve dağıtımının gerçekleşmesine (Subramani & Rajagopalan,
2003; Varnali & Gorgulu, 2014; Theocharis, Lowe,
vanDeth & Garcia-Albacete, 2014) geniş katılımlı
sanal bir ortam sağlamaktadır. Örneğin, Arap Baharı kapsamında 2011 yılında Mısır devrimi sırasında
yaşanan olayların, Twitter’a yansımaları üzerinden
incelendiği bir çalışmada (Choudhary, Hendrix, Lee,
Palsetia & Liao, 2012) 800.000 tweet incelenmiştir. Bu
çalışmada, protestolar sırasında ön plana çıkan ana
konular, bu konulara ilişkin bireysel olarak öne çıkan
duygular, bu konuların medya kuruluşları tarafından
nasıl paylaşıldığı ve protestolara yön veren en etkili
kişiler ve kurumlar belirlenmiştir. Benzer bir yaklaşımla, Japonya’da meydana gelen Fukuşima Nükleer
Sabancı Üniversitesi, mugecevik@sabanciuniv.edu
İstanbul Bilgi Üniversitesi, selcen.ozturkcan@bilgi.edu.tr
3 Sabancı Üniversitesi, nihatk@sabanciuniv.edu
4 Twitter tarafından kaydedilen bilgiler arasında kullanıcıların sisteme kayıtlı isimleri, attıkları tweetler, takipçi sayıları, takip ettikleri
kullanıcılar ve paylaşmış oldukları diğer profil bilgileri yer almaktadır (https://about.Twitter.com/company).
2
145
Sosyal Medya Analitiği: Twitter için Büyük Veri Yaklaşımı
Santrali kazasında atılan 38.300 tweet arasından örneklem olarak seçilen 1.520 tweet analiz edilmiştir
(Li, Vishwanath & Rao, 2014). Yapılan analiz ile felaket sırasında ve sonrasında ortaya çıkan duygular ve
toplum ile hükümet arasındaki iletişim incelenerek,
bu tür felaketler sırasında tehlike iletişiminin yönetimi konusunda önerilerde bulunulmuştur.
Sosyal medya iletişimi, günümüzde markalar için
bütünleşik iletişimin ayrılmaz bir parçasıdır. Yazında
(i) markaların çevrimdışı mecralarda yaptığı satış ve
pazarlama çalışmalarının çevrimiçi ortamlara yansıma şekli, (ii) bu çalışmaların sosyal medya üzerindeki etkisi, ve (iii) kriz iletişimi gibi tüketicilerle ilişki
yönetiminin yapı taşları olan çeşitli konularda araştırmalar bulunmaktadır (Burton & Soboleva, 2011;
Kietzmann, Hermkens, McCarthy & Silvestre, 2011;
Peters, Chen, Kaplan, Ognibeni & Pauwels, 2013).
Twitter, takip etme modeli ve paylaşılan mesajların
bulaşıcı bir etki ile dağılımını sağlayan retweet özelliğine (Russell, 2014; Shi, Rui & Whinston, 2014)
sahiptir. Bu özelliği, Oh, Agarwal ve Rao (2013),
söylenti teorisi (rumor theory) çerçevesinde tüketicilerin Twitter’daki bilgi paylaşımları üzerinden incelemişlerdir. Bu çalışmada, 2010 yılında Toyota’nın
gaz pedalındaki sorun ile ilgili olarak araçları geri
çağrıldığı döneme ilişkin atılan 5000 tweet incelenmiştir. Sonuçlarda, kurumsal bir kriz sırasında marka
TARAMAK
kimliğine yönelik olası tehditleri belirlemek ve yönetmek ile ilgili çıkarımlarda bulunulmuştur. Başka bir
çalışmada ise Twitter’da yaratılan ağızdan ağıza pazarlamanın (WOMM), filmlerin gişe hasılatı üzerine
olan etkisi incelenmiştir. Bu çalışmada, takipçi sayısı
ve filmler sinemada izlenmeden önce oluşan ağızdan
ağıza pazarlama ile film satışları arasında pozitif korelasyon olduğu bulunmuştur (Rui, Liu &Whinston,
2013).
Twitter üzerine yapılan büyük veri araştırmaları, büyük kitlelerin davranışsal açılardan incelenmesine
olanak sağlayarak, pazarlama başta olmak üzere farklı disiplinleri etkileyen sosyal olguları izlenebilmesine
imkan vermektedir (Savage, 2011).
Tasarım ve Yöntem
Büyük verinin en belirgin özelliği zaman içerisinde
sürekli tekrarlanan gözlemlerden oluşmasıdır (Jacob, 2009). Tekrarlı gözlem barındıran sosyal medya
uygulamalarının araştırılmasında büyük veri analizi
önem kazanmaktadır. (Peters, Chen, Kaplan, Ognibeni & Pauwels, 2013; Park, Baek & Cha, 2014).
Çalışmamız, Fan ve Gordon (2014)’ün sosyal medya
analitiği için önerdiği Taramak, Anlamak ve Sunmak
adımlarından oluşan TAS çerçevesini kullanarak,
Twitter verisine odaklanmaktadır (Şekil 1).
• Verinin
toplanması
• Önişleme
• İlgili
bilginin
veri
ambarından
elde
edilmesi
• Gürültülü
veri
temizliği
• Gelişmiş
analiBk
yaklaşımların
uygulanması
ANLAMAK
• Bulgu
ve
sonuçların
değerlendirilmesi
• Özet
ve
sunum
SUNMAK
Şekil 1. Sosyal Medya Analitiği Süreci (Fan ve Gordon, 2014, sf. 77)
Twitter’ın kullanıcı sayısı büyüklüğü ve sık frekanslı veri akışı, veri ambarının yüksek hacimli veriden ziyade, hızlı veri depolayabilmesini gerektirir.
MongoDB, bu ihtiyacı karşılayan bir veri ambarıdır
(Kromer, 2014). Taramak adımı ile depolanan veri,
146
Twitter üzerinden paylaşılan kamuya açık; Tweet
içerikleri, paylaşım zamanları, paylaşan kişinin numerik kullanıcı kimlikleri, paylaşımın yapıldığı cihaz
bilgisi, paylaşım bütünleşik bir uygulama ile yapılmışsa uygulama bilgisi ve paylaşıma açıksa kullanı-
20. Ulusal Pazarlama Kongresi, 10-13 Haziran, 2015
cının yer imi bilgisini içermektedir. Ambarda toplanan yapılandırılmamış verinin incelenebilmesi için,
MongoDB’den sorgu yapılabilmesine imkân veren bir
veri tabanı yönetim sistemi aracılığı ile önişleme tabii
tutulması gerekir. Toplanan verilerin yapılandırılarak
incelenebilir hale getirilmesi için SQL SERVER önerilen bir analiz ve raporlama sistemi olarak karşımıza
çıkmaktadır (Qin and Li, 2013). Bu aşamada, eksik
veri temizliği yapılmalıdır. Takip eden anlamak adımında, gürültülü veri için kümeleme yöntemi kullanılmalıdır. Kümeleme yönteminde, araştırılan olgu
ile ilişkili anahtar terimler belirlenerek, analize ışık
tutacak ana başlıklar gruplanmalıdır. Bu çerçevede
veri madenciliği, içerik analizi, konu modellemesi,
sosyal ağ analizi, ve eğilim analizi gibi alternatifler
kullanılmalıdır. Twitter üzerinden elde edilen veriler
kapsamında yapılan analizleri üç ana başlık altında
toplamak mümkündür;
1. Temel frekans analizleri
2. İleri analizler
3. İçerik ve duygu analizleri
Temel frekans analizinde Twitter kullanıcı sayıları,
günlük ortalama Tweet adetleri, paylaşımı tekrarlanan Tweet (Retweet) hacimleri ve kullanıcıların takipçi sayıları gibi betimsel istatistiksel dağlımlar ve
zaman serisi yöntemi ile analiz edilir. Bu analizlerden
yola çıkarak belirlenen örüntü kalıpları üzerinden
Bayes modellemesi ve benzeri yaklaşımlarla geleceğe
yönelik tahmine dayalı modelleme yapılabilmektedir.
Diğer taraftan çıkarımsal istatistik yöntemleriyle değişkenler arasındaki ilişkilere ait hipotezler oluşturmak; içerik ve duygu analizleri ile ortaya atılan hipotezleri sınamak mümkündür.
Sunmak adımı, araştırılan olgu ile ilgili ana başlıkları
içeren genel analizler, günlük Tweet hacimleri, Twitter kullanıcı sayıları, günlük ortalama Tweet adetleri,
paylaşımı tekrarlanan Tweet (Retweet) hacimleri aktaran grafiklerle sunulur.
Bulgular ve Tartışma
Twitter, kullanıcılarının günlük hayata ilişkin yerel
ve küresel bilgi paylaşımına ve edinimine olanak sağlayan bir sosyal medya ağıdır (Savage, 2011). Sanal
bir platformda oluşan Twitter verisi, gerçek yaşama
ilişkin olguların tespitine de olanak vermektedir.
Anlamak adımında oluşturulan büyük veri eğilim
grafikleri, tarihsel olarak gerçek hayatta meydana
gelen olaylar ile eşleştirildiğinde yansıma görülmesi
beklenmektedir. Araştırılan olguyla ilgili çevrimiçi
ortamda gerçekleşmiş örüntülerin frekans analizi,
açıklayıcı modelleme yapılabilmesini sağlar.
Çevrimdışı ortamlarda meydana gelen olayların çevrimiçi ortamlara yansıma biçimi ve sosyal medya
araçlarının bireyler arasındaki iletişime ilişkin kullanılış şekli ile ilgili gerçek verinin Twitter üzerinden
alınarak araştırma konusu olan olguya ilişkin detaylı
analizlerin yapılması mümkün olmaktadır. Örneğin,
2013 yılında ülkemizde meydana gelen Gezi Parkı
protestolarına yönelik yürütülen bir çalışmamızda protesto dönemi başında meydana gelen önemli
olayların Twitter üzerine yansıması Şekil 2’de gösterilmektedir. Bu tarihler arasında söz konusu olaya
ilişkin Twitter’da konuşulan temel kavramlar belirlenerek Twitter’ın ne için ve nasıl kullanıldığını belirlemek mümkün olmaktadır. Ayrıca, bu süreçte boykot
edilen markalara ilişkin sürecin çevrimiçi ortamlardaki yansıması da Twitter üzerinden yapılan analizlerle ortaya çıkarılabilmektedir.
Şekil 2. Sosyal Medya Veri Analizi Örneği: Gezi Parkı Protestosu’nun Twitter Yansıması
147
Sosyal Medya Analitiği: Twitter için Büyük Veri Yaklaşımı
Benzer şekilde diğer bir çalışmamızda ise 2014 yılında yaşanan Soma Maden Kazası’nın ilk günlerinde
ve sonrasında Twitter ortamındaki paylaşımlar konu
edilmiştir (Şekil 3). Kar amacı gütmeyen yardım etkinlikleri şekil üzerinde kırmız ile işaretlenmiştir.
Twitter yansımaları sosyal pazarlama etkileri açısından incelenebilmektedir.
Twitter, kullanıcıları arasında paylaşılan mesajların
onay gerektirmeden, başka kullanıcılar tarafından
tekrarlı olarak iletilmesine olanak sağlamaktadır. Bu
açıdan, mesajın içeriği, ilk paylaşan kişi, takipçi sayısı
ve zamansal yayılım nitelikleri incelenerek toplumsal, sosyal veya pazarlamaya ilişkin herhangi bir olgunun bulaşıcılık etkisine yönelik çalışmalar yürütmek
Şekil 3. Sosyal Medya Veri Analizi Örneği: SOMA Maden Kazası’nın Twitter Yansıması
mümkündür. Çevrimdışı ortamlarda meydana gelen
olay ve olgulara ilişkin yapılan daha detaylı büyük
veri analizleri marka-müşteri ve hükümet-toplum
gibi gruplar arasındaki iletişim yönetimi ve stratejik
pazarlama kararları üzerine çıkarımlar yapılmasına
olanak vermektedir.
Aynı zamanda, Twitter kapsamında yapılan büyük
veri analizi ile elde edilen örüntüler, gelecek ile ilgili tahmine dayalı davranışsal modellemeler yapılabilmesini sağlamaktadır. Böylece birey ve markalar
için itibarı tehdit edecek hareketlerin önceden belirlenmesiyle, başarılı itibar yönetimi ve iletişimi yapılabilmektedir. Diğer taraftan, herhangi bir markaya
ilişkin kullanılan kelimelerin ve duygu kalıplarının
incelenmesiyle, markanın hedef kitlesi olan tüketici
gruplarının psikografik olarak betimlenmesine olanak sağlamaktadır.
Sonuç, Öneriler ve Kısıtlar
Dijital çağ ile günlük hayatımızın bir parçası haline
gelen çeşitli sosyal iletişim ağlarından elde edilen büyük verinin işlenebilmesi, yönetilmesi ve analiz edilmesi ihtiyacı, sosyal bilimciler tarafından yürütülen
araştırmalar için epistemolojik bir etkiye sahiptir.
Sosyal medya araçları üzerinden elde edilen büyük
veri, bireylerin çevrimiçi ortamlarda bilgiyi işleyiş
biçimlerini ve diğer bireylerle hangi faktörlerin etkisi altında paylaşım yaptıklarını geniş bir bilgi tabanı
üzerinden inceleyebilme imkanını araştırmacılara
vermektedir (Oh, Agarwal & Rao, 2013; Shi, Rui &
Whinston, 2014). Çalışmamız, büyük veri analizinde “tümleşim” yaklaşımını kullanarak Twitter sosyal
ağında yapılan paylaşımları incelemeye yönelik araştırma yöntemi önerisinde bulunmaktadır. Twitter
kullanıcı davranışları üzerine ülkemizde yapılan araş148
tırmalar bulunmakla beraber, paylaşılan Tweet’lerin
incelenmesine dair yöntemsel bir yaklaşım henüz benimsenmemiştir. TAS çerçevesi, Twitter uygulaması
üzerinden sosyal medya analitiğine yönelik büyük
veri incelemesi için önerilmektedir.
Twitter üzerinden elde edilen büyük veri, pazarlama
başta olmak üzere çeşitli disiplinlerin araştırma konusu olan olgulara ait gerçek örüntülerin keşfedilerek
modelleme yapılmasına imkan vermektedir. Twitter
araştırmalarında büyük veri analizi yaklaşımı, gerçek
zamanlı ve detaylı olarak inceleme olanağı vermesi
açısından araştırmacılara büyük fırsatlar sunmaktadır. Alternatif araştırma yöntemlerine kıyasla, incelenmek istenen olgu çerçevesinde örneklem olarak
çok sayıda bireye ve bu bireylere ait çok katmanlı
davranış bilgisine, büyük veri üzerinden uygun maliyetle ve kısa zamanda ulaşmak mümkün olmaktadır.
Ayrıca Twitter, gerçek davranışsal veri içermesi yönüyle, öz bildirime dayalı (self-response report) anket
çalışmalarından daha güvenilir sebep sonuç ilişkileri
ortaya konulmasına olanak verir.
Gelecek çalışmalarda da farklı olguların araştırmalarında kullanılarak, yöntem olarak güvenirlilik ve
geçerlilik açısından sınanmalıdır. Twitter’da yapılan
paylaşımlar kültürel ve sosyo-ekonomik farklılıklardan etkilenebileceği için önerilen araştırma yöntemi
bu etkenlerin ışığında gelecek çalışmalarda dikkate
alınmalıdır. TAS çerçevesi, kullanıcıları gizli olmayan
profiller ile onay gerektirmeyen paylaşımlar yapabilmesine olanak veren, Foursquare, Instagram, ve Yelp
gibi sosyal ağların incelenmesi için de kullanılabilir.
Diğer taraftan, toplanan verinin, incelenen sosyal
ağın sadece paylaşımları gizli olmayan kullanıcıların
davranışlarını içermesi, analiz sonuçları açısından bir
kısıt ortaya koymaktadır (Crawford, 2013).